ارزیابی روش شبکۀ عصبی مصنوعی در پهنه‌بندی مکانی پتانسیل رویشگاه گونه‌ها (مطالعۀ موردی: مراتع سیاه بیشه، مازندران)

هدف از تحقیق حاضر، پیش­بینی پراکنش مکانی گونه­های Festuca Ovina و ­Bromus briziformis در مراتع سیاه بیشه با استفاده از روش شبکۀعصبی مصنوعی است. نمونه­برداری از پوشش گیاهی به روش طبقه­بندی تصادفی در 29 واحد ­همگن انجام شد. 290 پلات 1 مترمربعی در منطقه مستقر و درصد پوشش تاجی گیاهان ثبت گردید. در هر واحد، 3 نمونه خاک از عمق 30-0 برداشت شد. در این مطالعه، داده­های محیطی 20 عامل (شیب، جهت شیب، ارتفاع از سطح دریا، فاصله از جاده، فاصله از رودخانه، فاصله از دامداری، همباران، سنگ شناسی، سیلت، رس، شن، رطوبت، کربن، مادۀآلی، اسیدیته خاک، هدایت الکتریکی، آهک، ازت، فسفر و پتاسیم) به عنوان متغیر مستقل و داده­های مربوط به حضور گونه­های گیاهی Festuca Ovina و ­Bromus briziformis به عنوان متغیر وابسته استفاده گردید. لایه­های اطلاعاتی هر کدام از این عوامل در نرم افزار Arc GIS تهیه و با استفاده از روش نسبت فراوانی هر کدام از این عوامل کلاسه­بندی شدند. نتایج حاصله نشان داد که مهم­ترین متغیرهای محیطی اثرگذار در پراکنش گونه­های مطالعه شده، خصوصیات ارتفاع، بافت خاک و عناصر غذایی بودند.سپس به ترتیب 70 و 30 درصد داده­ها جهت آموزش و آزمون شبکه استفاده شد. در این تحقیق ساختار شبکۀعصبی­ مصنوعی با ساختار 20 نرون در لایۀ ورودی و لایۀ پنهان و یک نرون در لایۀ خروجی، مقایر MSE برای فستوکا 75/0و بروموس 72/0 محاسبه شد. سپس نقشه­های پهنه­بندی گونه­های گیاهی با 4 پهنۀ عدم حضور، حضورکم، متوسط و زیاد تهیه شد. نقشۀ پهنه­بندی حاصل با منحنی ROC و ضریب کاپا ارزیابی شدند که صحت آن­ها با روش منحنی  ROC برابر 10/97، 10/84 درصد و با ضریب کاپا برابر 78/0 و 66/0 به ترتیب برای گونۀ Festuca ovina،  و گونۀ Bromus briziformis بودند که نشان دهندة ارزیابی خوب مدل است.